数据智能技术赋能风险监测与分析.pdf

风险监测与分析的难点

“走出去”企业防范化解各类风险隐患，积极应对外部环境变化带来的冲击挑战，

关键在于提升自身海外风险常态监测、发现预警及深度分析研判的能力。但在当前环

境下，大部分企业利用大数据及人工智能技术应对上述挑战方面仍存在不少问题，主

要体现在四个方面。

一是外部风险界定及分类未形成统一标准，识别难度大。现阶段学术及产业界并

没有对企业出海外部风险具体内涵、类别划分形成统一认识，也未形成统一标准。不

同类型风险有不同特征，因此现阶段风险识别的难度较大。

二是全球多语种信息外围风险常态感知难度大。仅“一带一路”相关的国家和地区

就有100多个，涉及60多种语言。听得懂、理解透彻是风险常态感知的必要条件，

如何实现全球多语种信息外围风险信息的全面获取、处理及分析，需要自动处理和语

义分析多语种信息的智能化技术支撑。

三是风险事件深度分析研判模型建立难度大。针对各类海外风险事件，如何融合

多模态、多源数据，从政治、法律、文化、商业环境等方面对风险事件进行建模和多

维度分析，为风险应对提供决策支撑难度大。

四是技术与行业专家智慧深度融合难度大。当前，基于大数据和人工智能分析识

别的风险和基于行业专家给出的风险应对策略并没有很好融合，如何将技术与专家智

慧两者相结合，为企业海外风险应对提供更为高效、精准的决策参考建议，还未形成

常态化支撑范式。

风险防范路径

针对上述难点问题，利用数据智能技术结合行业专家智慧，可面向“走出去”企业

外部风险感知与识别、外部风险常态分析及预警、外部重大风险事件深度分析、行业

专家智慧研判辅助决策支撑四个方面，构建企业出海业务外部风险发现及分析的全链

条支撑体系，创新风险防范路径，提高我国企业海外风险发现和应对能力。

一、外部风险感知与识别

通过将企业外部风险进行分类和特征刻画，利用数据技术对全球多语种、跨模态

数据进行实时感知，对基础的风险分类信息进行感知和识别，重点发现“一带一路”沿

线国家的国别信息、政策法规、营商环境、行业情报等类型信息，有效助力企业及时

了解国际及行业动态。另一方面，对于威胁我国海外企业安全的非传统安全风险，如

严重自然灾害、民间对外来企业的不满情绪、恐怖主义威胁、网络安全威胁、各类治

安和犯罪案件等进行实时感知和预警，以便企业实时掌握安全隐患，有效应对安全威

胁。没有技术基础的企业，可以与国内一些大数据与人工智能技术研究大学、科研院

所，以及有相关应用积累的大数据公司合作。如中国科学院自动化研究所的产业化平

台中科闻歌发布了以多语言、跨模态、开源数据搜集与分析为特点的“闻海”平台，该

平台已在企业出海服务方面有了实际落地应用。平台融合和处理全球多语种数据，通

过全媒体信息监测、自动聚类、多维度热点发现、敏感性甄别等技术，及时帮助企业

掌握在海外的舆论导向，做到“提前感知，提前部署，提前决策”，可以及时发现企业

外部风险并做出预警。

二、外部风险常态分析及预警

企业外部风险预警分析旨在利用互联网公开的风险数据、地区政策数据、市场行

业数据、政治事件数据、自然灾害数据、恐怖犯罪数据等多元信息，挖掘其中风险标

签，计算企业经营外部风险分值，并对高风险企业进行预警。企业外部风险分析服务

分为数据整合、预警模型设定、风险分析及预警研判三个步骤。

第一步，数据整合。采集风险数据、地区政策数据、市场行业数据、政治事件数

据、自然灾害数据、恐怖犯罪数据等与企业外部安全风险相关的信息，并对多源异构

数据进行清洗、去噪、去重等操作，形成企业外部风险分析数据资源基础。同时，根

据不同数据信息的要素及特点设定风险标签分类，按照自然灾害、负面风险、恐怖威

胁、网络安全、治安犯罪等类型设定风险标签，为数据打标。

第二步，预警模型建立。对各级指标分别进行打分，以此为基础，计算综合打分。

在对各级指标体系打分时，充分考虑各类指标打分差别过大的挑战性问题，以减小分

指标对最终结果造成的偏差，更全面、准确地度量及评价。

第三步，风险分析及预警研判。针对预警模型的打分结果对企业设定差异化的处

置方法，如对打分在20-40分的企业持续关注；对打分在40-60分的企业认定风险

较高，需要重点监测；对打分在60-80的企业认定风险很高，需要高风险预警；对

打分在80-100分的企业认定为风险极高。

三、外部重大风险事件深度分析